기본 웹사이트 분석의 문제(및 실제로 측정해야 하는 것)

상상해 보십시오. 커피 한 잔과 노트북을 개봉하는 것으로 하루를 시작합니다. Google Analytics와 같은 표준 웹사이트 분석 플랫폼을 확인했지만 여전히 사용자 트래픽과 참여가 정체되어 있음을 확인했습니다. 사용자가 귀하의 사이트를 방문하고 있지만 귀하의 제품에 대한 신규 가입이 원래 있어야 할 위치에 없는 것이 분명합니다. 좌절감을 느끼며 바늘을 옮기는 데 들인 오랜 시간과 작업을 살펴봅니다. 홈 페이지의 사본을 여러 번 변경하고 페이지 로드 속도를 최적화했지만 여전히 그 이유를 알 수 없는 것 같습니다. 숫자가 증가하지 않습니다.

(매우 가능성이) 범인? 당신은 올바른 것을 측정하고 있지 않습니다.

기업은 트래픽, 클릭수 등을 생각하면 너무 자주 허영 지표에 초점을 맞춥니다. 이러한 가상 또는 세션 기반 메트릭은 클릭, 이탈, 숫자와 같은 순간의 스냅샷만 보여줍니다. 마케터는 웹사이트 분석을 볼 때 고객 행동에 대한 유용한 통찰력을 식별할 수 있어야 합니다.

이 분석을 수행하려면 후행 지표가 아닌 성장의 선행 지표에 집중해야 합니다. 이 시간에는 영향력 있는 참여 기반 측정항목을 푸는 데 시간을 할애할 것입니다.

많은 웹사이트 분석 지표의 단점

마케터가 사용하는 대부분의 무료(또는 거의 무료에 가까운) 분석 도구는 개별 고객 수준이 아닌 광범위한 영역의 참여에 중점을 둡니다. Google Analytics와 같은 도구에서 추적되는 인기 있는 허영 지표에는 클릭률, 사이트 트래픽, 이탈률 및 페이지에 머문 시간이 포함됩니다.

[Google Analytics와 Amplitude의 차이점에 대해 자세히 알아보십시오.]

대부분의 시간 동안 마케터는 사용자 트래픽에 대한 통찰력이 필요할 때 Google Analytics를 사용합니다. 그들은 클릭률, 트래픽, 페이지에 머문 시간 등과 같은 세션 기반 측정항목과 같이 언뜻 보기에 매우 중요한 참여 지표를 찾습니다. 이러한 세션 기반 메트릭은 정확히 세션을 캡처합니다. 이것은 본질적으로 그 순간에 대한 피상적이고 거래적인 세부 정보를 제공하지만 해당 사용자가 특정 순간으로 이동(및 이탈)한 방법을 둘러싼 상황, 메타데이터 또는 속성 세부 정보를 제공하지 않는 본질적으로 순간입니다.

이것은 허영 메트릭이 우리에게 귀중한 정보를 제공하지 않는다는 말은 아니지만 일반화되어 다소 다루기 어렵습니다. 다양한 사용자 그룹을 만족시키기 위해 제품에 필요한 미묘한 조정이 무엇인지 파악하려는 경우에는 특히 도움이 되지 않습니다.

왜요? 고객은 궁극적으로 트래픽 총계 또는 클릭수를 합한 것보다 더 많기 때문입니다. 그들은 각각 고유한 요인에 의해 동기가 부여되며 이러한 외부 영향의 결과로 고유한 방식으로 제품과 상호 작용합니다.

제품 분석의 참여 기반 또는 행동 기반 메트릭이 더 실행 가능합니다. 선행 지표 메트릭을 통해 마케터는 다양한 사용자가 제품 및 캠페인과 상호 작용하는 방식을 확인할 수 있습니다. 이러한 세분화된 통찰력을 통해 다양한 사용자 요구 사항에 따라 고객 메시지를 정확하게 개선할 수 있습니다.

마케팅 강화를 위한 6가지 웹사이트 분석 방법

제품 및 온라인 참여의 성공은 내부적으로 측정하는 사용자 데이터뿐 아니라 해당 데이터를 추적하고 표시하는 방법에 달려 있습니다. 이러한 모범 사례는 유용한 참여 기반 측정항목을 의미 있게 측정하는 방법과 이러한 통찰력을 팀과 공유하여 긍정적인 결과를 이끌어내는 방법을 분류합니다.

N-Day 유지 모니터링

종종 그 순간이 아니라 얼마나 많은 사용자가 앱이나 사이트를 반복적으로 체크아웃하는지 궁금할 것입니다. 불행히도, 총 방문자 수를 보면 특정 날짜 또는 월에 방문자의 총계만 알 수 있습니다. 이 정보는 첫 번째 이후에 누가 계속 다시 오는지 알고 싶은 경우에는 도움이 되지 않습니다.

측정을 고려해야 할 선행 지표는 N-Day 리텐션으로, 트래픽과 잠재적인 반복 방문 패턴을 보다 세부적으로 볼 수 있습니다. 총 방문자 수는 하루에 얼마나 많은 사람들이 방문했는지를 알려주지만 N-Day Retention은 하루에 얼마나 많은 사람들이 방문했는지 알려줍니다.

총 방문자 수와 달리 N-Day Retention을 사용하면 미리 설계된 워크플로에서 사람들이 이탈하는 추세를 쉽게 식별할 수 있습니다. 여기에서 이 정보를 통해 A/B 테스트를 통해 사용자 경험을 분할하여 어떤 영향, 긍정적인 주의 산만, 프로모션, 캐러셀 또는 제안으로 인해 사람들이 다른 날 다시 방문하는지 등을 파악할 수 있습니다.

N-Day Retention은 개별 활동이나 제품의 일부를 개선하는 데 특히 유용합니다. 7일이 지난 사용자는 모두 특정 활동을 완료하는 반면 그 이전에 중단한 사용자는 그렇지 않다는 것을 알게 된다면 해당 특정 활동을 나머지 사용자에게 더 나은 방식으로 홍보하는 방법을 알아내야 합니다. 참여 사용자.

Amplitude를 통해 N-Day Retention을 쉽게 측정할 수 있습니다.

동질 집단별 활동 추적

사용자 페르소나는 다양한 행동, 선택 및 사용 습관으로 구성됩니다. 이러한 차이점을 이해하기 위해 마케터는 종종 인구 통계 또는 지리 데이터에 의존합니다. 그러나 이 정보는 위치, 나이 등과 같은 사용자의 매우 이진 속성을 다루며 사용자가 제품에 참여하는 방식이 아닙니다 .

코호트별로 사용자 활동을 측정하거나 공유 속성 및 행동별로 분류하면 더 많은 정보를 얻을 수 있으며 인구 통계 데이터 단독보다 훨씬 더 개인화된 마케팅 전략을 추진할 수 있습니다. 동질 집단은 일반적으로 실제 고객 활동, 공유 속성(예: initial_utm_referrer , utm_campaign 등) 또는 특정 기간 내의 공유 비활동을 기반으로 하는 기준이 있는 인구 통계보다 작은 세그먼트입니다.

최상의 결과를 얻으려면 코호트를 예측 그룹과 행동 그룹의 두 가지 그룹으로 나누는 것이 좋습니다.

예측 코호트는 행동 데이터를 활용하는 Amplitude의 기능을 사용하여 생성됩니다. 예측 코호트를 사용하여 이상적인 목표 또는 결과를 설정합니다. 여기에서 Amplitude는 기존 기록 데이터를 사용하여 특정 그룹이 설정한 결과에 도달할 가능성을 결정합니다. 예측 코호트는 일반적인 유입경로가 없거나 사용자가 100,000명 이상이거나 특정 행동을 유도하려는 것을 추적하려고 할 때 가장 유용합니다. Amplitude Recommend를 사용하여 예측 코호트를 생성할 수 있습니다.

행동 집단을 사용하면 특정 기간(또는 부족)에 사용된 특정 기능을 기반으로 사용자를 함께 분류할 수 있습니다. 유지 분석과 함께 사용하면 이러한 다양한 작업이 선택한 사용자의 유지 여부에 어떤 영향을 미치는지 확인할 수 있습니다. 특정 기능이 참여도와 유지율을 높이는 데 중요한 역할을 하는 경우가 많습니다. 적합하다고 생각하는 방식으로 행동 집단 그룹을 만들 수 있으며 반복 구매는 관찰해야 할 필수 행동 집단이라는 점에 주목할 가치가 있습니다.

예를 들면 다음과 같습니다. 반복 구매자 집단을 만들고 프로세스를 역설계하여 해당 집단의 구성원이 공통적으로 수행하는 작업의 종류를 확인합니다. 특정 기능을 사용하는 사람들이 귀하의 최고 재구매 고객입니까? 아니면 시간과 반복 구매 사이에 더 강한 상관 관계가 있습니까? 반복 구매 집단을 조사하여 이러한 고급 사용자를 다시 끌어들이는 것이 무엇인지 파악한 다음 이 정보를 사용하여 다른 사용자의 행동을 알리고 권장할 수 있습니다.

전체 고객 여정 매핑

사용자를 보다 정확하게 측정하는 중요한 방법은 전체 고객 여정을 통합하는 것입니다. 이는 ID 확인을 사용하여 수행할 수 있습니다. 예를 들어 누군가가 휴대전화에서 앱을 사용하고 있다가 컴퓨터로 전환하는 경우 해당 여정과 그 사이의 모든 단계에 대해 총체적이고 포괄적인 관점을 가질 수 있어야 합니다.

신원 확인을 사용하면 스니펫(예: 모바일 앱 또는 사이트에서만 사용 추적)이 아니라 제품 사용 여정을 완전히 파악할 수 있습니다. 이 정보를 사용하면 정보에 입각한 추측보다 정보에 입각한 결정을 내릴 수 있습니다. 이미 N-Day Retention을 팔로우하고 다양한 코호트를 생성하고 이탈률을 이해하고 있다면 ID 해결을 완료하는 데 순조롭게 진행되고 있는 것입니다. 한 채널에서 다른 채널로 사용자의 행동을 연결하는 이러한 관행은 고객 여정이 완전하고 원활하게 이루어지도록 하는 귀중한 방법입니다.

전환 동인 활용

전환율 측정(단독)은 다소 불완전한 그림을 제공합니다. 사용자가 전환했는지 여부를 알 수 있지만 이 정보는 전환 결정에 도달하기 위해 어떤 선택을 했는지 또는 전환 이벤트에 도달하는 데 방해가 되는 장애물에 대해 알려주지 않습니다.

Amplitude의 전환 드라이버를 사용하면 사용자가 전환 지점에 도달하기 위해 수행한 작업 또는 사용자가 중단될 때까지 도중에 발생한 병목 현상을 이해하는 기능을 사용할 수 있습니다.

또한 전환 동인 보고서를 원하는 만큼 세부적으로 조정하면서 고유한 전환 유입경로를 만들 수도 있습니다. 어떤 사람들은 공유 기능을 사용하고 다른 사람들은 사용하지 않는 이유가 궁금하다고 가정해 보겠습니다. 공유, 좋아요, 댓글 작성과 관련된 모든 이벤트를 전환 퍼널 내에 단계로 추가하여 측정할 수 있습니다. 거기에서 사용자 속성을 기준으로 필터링하여 특정 날짜를 지난 사람들이 무엇을 좋아하고 댓글을 달고 결국 공유하는지 확인할 수 있습니다. 반대로 머물면서 좋아요나 댓글을 달지 않는 사람들이 공유하지 않는 이유를 이해할 수 있습니다.

A/B 테스트 수행

전체 사이트나 앱을 한 번에 개선하지 않습니다. 다양한 선택 항목을 테스트하고 사용자 참여(또는 부족)를 기반으로 반복하여 점진적인 단계를 수행합니다.

A/B 테스트는 약간의 수정을 가하고 청중 샘플이 어떻게 반응하는지 확인하는 방법입니다. 최적화하려는 대상에 관계없이 작동하는 것과 작동하지 않는 것을 파악하는 데 필수적인 방법입니다.

작게 시작하고 바늘을 움직이려는 요소를 식별하여 시작하는 것이 가장 좋습니다. "좋아요" 버튼의 새로운 스타일을 시도하고 있다면 소수의 사용자를 대상으로 롤아웃하고 반응이 어떤지 확인하세요. 그런 다음 헹구고 반복합니다. 테스트에서 응답이 긍정적이면 변경 사항을 더 많은 사용자 그룹에 적용하고 적절하다고 판단되는 대로 조정합니다. Amplitude에서는 퍼널 분석 차트를 통해 A/B 테스트 중요성 및 개선 보기를 사용하여 분할 테스트 결과의 성능을 쉽게 비교할 수 있습니다. Amplitude Experiment를 사용하여 디지털 경험에 대해 더 큰 A/B 테스트를 실행할 수도 있습니다.

팀의 개인화된 분석 경험 설계

두 명의 그로스 마케터가 같은 방식으로 작업하거나 작업에 접근하지 않습니다. 모든 사람은 데이터를 선별하고 조사하고 자신의 결론에 도달하는 자신만의 방법이 있습니다. 따라서 마케팅 담당자가 전략을 알리기 위해 사용하는 분석 경험 자체를 개인화해야 한다는 것은 의미가 있습니다.

Amplitude의 대시보드는 사용자 정의가 가능하므로 각 마케터가 자신에게 가장 중요한 성과 지표를 측정, 유지 및 조정할 수 있습니다. 예를 들어 사용자가 처음 사용자 경험 워크플로를 완료한 후 유지에 집중하려면 FTUE 대시보드를 만들 수 있습니다. 소셜 기능에 대한 사용자 참여를 이해하려는 경우 소셜 참여 대시보드를 생성하여 콘텐츠에 댓글을 단 사용자 수와 사용자 수를 쉽게 이해할 수 있습니다. 한편, 팀 간 및 기능 간 가시성을 위해 적절한 팀 구성원과 이러한 대시보드를 공유할 수 있습니다.

당신을 위한 분석 만들기

세션 기반 측정항목에만 집중하는 것은 매우 쉽습니다. 세션 기반 메트릭은 널리 사용되며 획득하기 쉬우며 많은 가치가 있는 것으로 보입니다. 그러나 참여 기반 메트릭은 해당 정보를 현실에 근거합니다.

세션에서 참여 기반 측정항목으로 전환하도록 팀을 설득하는 것은 쉬운 일이 아닙니다. 그러나 올바른 솔루션을 사용하면 참여 기반 측정항목의 힘을 보여주고 프로세스를 간소화할 수 있습니다.

Amplitude를 사용하면 사용자를 위한 개별 대시보드를 만들고, 유지 유형을 쉽게 추적하고, 사용자 지정 집단을 만들고, 참여 기반 메트릭을 중심으로 성장 마케팅 문화를 구축할 수 있습니다. Amplitude의 무료 플랜을 직접 확인하고 지금 참여 추적을 시작하십시오.